論文の概要: Water Reflection Detection Using Symmetric Attention

• arxiv url: http://arxiv.org/abs/2607.10749v1
• Date: Sun, 12 Jul 2026 13:00:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-14 15:40:48.52292
• Title: Water Reflection Detection Using Symmetric Attention
• Title（参考訳）: 対称アテンションを用いた反射水検出
• Authors: Shuxuan Yao, Chengjia Wang, Jianyuan Sun, Junyu Dong, Xinghui Dong,
• Abstract要約: そこで我々は,SAWRD-Netというシンメトリ・アウェア・ウォーターリフレクション検出ネットワークを導入する。 二面体群同変の畳み込みと行列分解デコーダをエンドツーエンドのフレームワークで結合する。 SAWRD-Netは、利用可能な最大水反射シーンデータセットに基づいて、人間のアノテーションに対して0.890の真の陽性率を達成する。
• 参考スコア（独自算出の注目度）: 39.744518395779245
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reflections of water pose a significant challenge for computer vision systems, as standard deep learning models frequently confuse objects with their mirror images, producing spurious false positives and negatives in tasks such as object detection and semantic segmentation. As a result, detecting reflection axes in natural-water scenes is pivotal for reliable object detection and scene understanding. To mitigate this issue, we leverage the intrinsic imperfect reflective symmetry of water and introduce a Symmetry-Aware Water Reflection Detection Network, namely, SAWRD-Net, that couples dihedral group-equivariant convolutions with a matrix-decomposition decoder in an end-to-end framework. First, dihedral group convolutional layers extract geometry-consistent feature maps that explicitly encode both rotational and mirror symmetries. A Multi-scale Reflection Equivariant block then aggregates features across scales and employs a symmetric-attention mechanism to highlight reflection-relevant regions. The proposed matrix-decomposition decoder factorizes high-dimensional features into compact low-rank parameter and confidence spaces, after which the network directly regresses keypoints on the reflection axis. Then a robust principal component analysis fits the final axis. Evaluated on the largest available water reflection scene data set, SAWRD-Net achieves a true-positive rate of 0.890 against human annotations, outperforming all existing water reflection detectors.
• Abstract（参考訳）: 標準的なディープラーニングモデルは、オブジェクトをミラーイメージとしばしば混同し、オブジェクト検出やセマンティックセグメンテーションといったタスクにおいて、刺激的な偽陽性と否定を生じるため、水の反射はコンピュータビジョンシステムにとって大きな課題となる。 その結果、自然水シーンにおける反射軸の検出は、信頼性の高い物体検出とシーン理解のために重要である。 この問題を軽減するため,本研究では,水中の固有不完全反射対称性を活用し,Symmetry-Aware Water Reflection Detection Network(SAWRD-Net)を導入する。 まず、二面群畳み込み層は、回転とミラーの対称性の両方を明示的に符号化した幾何一貫性のある特徴写像を抽出する。 マルチスケールの反射同変ブロックは、その後、スケールにまたがる特徴を集約し、反射関連領域をハイライトするために対称アテンション機構を使用する。 提案する行列分解デコーダは,高次元特徴をコンパクトな低ランクパラメータと信頼性空間に分解し,その後,ネットワークが反射軸上のキーポイントを直接回帰する。 次に、ロバストな主成分分析が最終軸に適合する。 SAWRD-Netは、利用可能な最大の水反射シーンデータセットに基づいて、人間のアノテーションに対して0.890の正の速度を達成し、既存のすべての水反射検出器より優れている。

関連論文リスト

• GRAR: Glass-induced Reflection Artifact Removal in LiDAR Point Clouds [7.586613779032423]
  本稿では,頑健なリフレクションアーティファクト除去を目的とした新しい統合フレームワークを提案する。 最初の段階では、マルチモーダル・ビジョン・ファンデーション・モデルを用いて初期ガラスマスクを製造する。 第2段階では,Reflection-Aware Local-Global Geometric similarity (RE-LGGS)と呼ばれる物理駆動型記述子を提案する。
  論文  参考訳（メタデータ） (2026-06-09T08:09:33Z)
• RT-GS: Gaussian Splatting with Reflection and Transmittance Primitives [52.10688811929143]
  本稿では,マイクロファセット材料モデルとレイトレーシングを統合した統一フレームワークを提案する。 実験により, 複雑な環境下では, 物体の反射や物体の回収に成功していることが示された。
  論文  参考訳（メタデータ） (2026-04-01T05:50:03Z)
• MirrorLA: Reflecting Feature Map for Vision Linear Attention [49.41670925034762]
  リニアアテンションはトランスフォーマーの2次から線形への計算複雑性を著しく低下させるが、パフォーマンスにおけるソフトマックスに基づくアテンションの遅れは一貫して遅れる。 我々は、受動トランケーションをアクティブなリオリエンテーションに置き換える幾何学的枠組みであるMirrorLAを提案する。 MirrorLAは標準的なベンチマークで最先端のパフォーマンスを実現し、表現の忠実さを損なうことなく厳密な線形効率を実現できることを示した。
  論文  参考訳（メタデータ） (2026-02-04T09:14:09Z)
• Self-supervised Monocular Depth Estimation on Water Scenes via Specular Reflection Prior [3.2120448116996103]
  本論文は,フレーム内事前情報を用いた深層学習深度推定のための最初のセルフスーパービジョンを提案する。 第1段階では、反射成分と全体像とを分離する分水ネットワークが実行される。 SmoothL1と新しい光度適応型SSIMを組み合わせた光度再投影誤差を定式化し、ポーズと深さの推定を最適化する。
  論文  参考訳（メタデータ） (2024-04-10T17:25:42Z)
• Symmetry-Aware Transformer-based Mirror Detection [85.47570468668955]
  デュアルパス・シンメトリ・アウェア・トランスフォーマーを用いたミラー検出ネットワーク(SATNet)を提案する。 SATNetにはSymmetry-Aware Attention Module (SAAM)とContrastとFusion Decoder Module (CFDM)の2つの新しいモジュールが含まれている。 実験の結果,SATNet は RGB と RGB-D の両方のミラー検出法に優れることがわかった。
  論文  参考訳（メタデータ） (2022-07-13T16:40:01Z)
• Reflection and Rotation Symmetry Detection via Equivariant Learning [40.61825212385055]
  我々は、EquiSymと呼ばれる対称性検出のためのグループ同変畳み込みネットワークを導入する。 DENse と Diverse symmetric (DENDI) という新しいデータセットを提案し、既存の反射・回転対称性検出のためのベンチマークの制限を緩和する。 実験により,LDRSおよびDENDIデータセットの対称性検出において,本手法が芸術の状態を達成できることが確認された。
  論文  参考訳（メタデータ） (2022-03-31T04:18:33Z)
• Location-aware Single Image Reflection Removal [54.93808224890273]
  本稿では,位置認識型深層学習に基づく単一画像反射除去手法を提案する。 我々は,リフレクション信頼度マップをネットワークの手がかりとして活用し,リフレクション情報を適応的にエンコードする方法を学習する。 位置情報のネットワークへの統合は、反射除去結果の品質を大幅に向上させる。
  論文  参考訳（メタデータ） (2020-12-13T19:34:35Z)
• Two-Stage Single Image Reflection Removal with Reflection-Aware Guidance [78.34235841168031]
  シングルイメージリフレクション除去(SIRR)のためのリフレクション・アウェア・ガイダンス(RAGNet)を用いた新しい2段階ネットワークを提案する。 RAGは、(i)観測からの反射の効果を緩和するために、(ii)線形結合仮説から逸脱する効果を緩和するための部分畳み込みにおいてマスクを生成するために用いられる。 5つの一般的なデータセットの実験は、最先端のSIRR法と比較して、RAGNetの量的および質的な優位性を実証している。
  論文  参考訳（メタデータ） (2020-12-02T03:14:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。